Descarga la aplicación para disfrutar aún más
Vista previa del material en texto
UNIVERSIDAD NACIONAL AUTÓNOMA DE MÉXICO PROGRAMA DE MAESTRÍA Y DOCTORADO EN CIENCIAS QUÍMICAS Diseño de potenciales externos para inducir el plegamiento de proteínas en dinámica molecular PROYECTO DE INVESTIGACIÓN PARA OPTAR POR EL GRADO DE MAESTRA EN CIENCIAS PRESENTA Q. Tania González García Dr. Rubén Santamaría Ortiz Instituto de Física, UNAM Tutor Ciudad de México, 24 de noviembre de 2017 Lugar donde se desarrolló el proyecto Departamento de F́ısica Teórica, Instituto de F́ısica, UNAM Agradecimientos A la Universidad Nacional Autónoma de México por brindarme la oportunidad y los recursos para realizar mis estudios de maestŕıa. Al Consejo Nacional de Ciencia y Tecnoloǵıa por la beca otorgada para poder realizar mis estudios de maestŕıa. No. de becario: 583782. Abreviaturas DM: Dinámica Molecular DFT: Density Functional Theory (Teoŕıa de los funcionales de la densidad) PDB: Protein Data Bank (Banco de datos de protéınas) ADN: Ácido desoxirribonucleico QM: Quantum Mechanics (Mecánica Cuántica) MM: Molecular Mechanics (Mecánica Molecular) Aβ: β-amiloide SMD: Steered Molecular Dynamics (Dinámica Molecular Dirigida) RMN: Resonancia Magnética Nuclear RMSD: Root Mean Square Deviation (Desviación cuadrática media) Índice general 1. Introducción 4 2. Antecedentes 5 2.1. Plegamiento de protéınas . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5 2.2. Dinámica molecular . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7 3. Objetivo e hipótesis 9 3.1. Objetivos particulares . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 9 3.2. Hipótesis . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 9 4. Modelo y metodoloǵıa 10 4.1. Modelo teórico . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 10 4.2. Modelo molecular con disolvente impĺıcito . . . . . . . . . . . . . . . . . . 10 4.2.1. Lagrangiano . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 10 4.2.2. Ecuaciones de movimiento . . . . . . . . . . . . . . . . . . . . . . . 11 4.3. Modelo molecular con disolvente expĺıcito . . . . . . . . . . . . . . . . . . 12 4.3.1. Potenciales Externos . . . . . . . . . . . . . . . . . . . . . . . . . . 15 4.4. Metodoloǵıa . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 15 5. Discusión de resultados 17 5.0.1. Primera etapa: parametrización . . . . . . . . . . . . . . . . . . . . 17 5.0.2. Segunda etapa: péptido β-amiloide en disolvente impĺıcito . . . . . 18 5.0.3. Segunda etapa: péptido trp-cage en disolvente impĺıcito . . . . . . . 22 5.0.4. Tercera etapa: Plegamiento del péptido trp-cage con disolvente . . . 26 5.0.5. Cuarta etapa: plegamiento del péptido trp-cage en GROMACS . . . 30 6. Conclusiones 32 6.1. Proyectos a futuro . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 32 Introducción Introducción Las simulaciones de dinámica molecular (DM) son una herramienta fundamental en el estudio de la función y la estructura de sistemas biológicos. Las simulaciones moleculares se consideran experimentos in-silico que aportan datos a nivel microscópico. Gracias al incremento en la capacidad de procesamiento del supercómputo cient́ıfico y al desarrollo de paqueteŕıas de simulación molecular[1, 2], ahora es posible simular sistemas biológicos de millones de átomos, como ribosomas[3] y cápsides virales[4]. No obstante, simular sistemas biológicos con técnicas de DM implica resolver las ecuaciones de movimiento para una gran cantidad de part́ıculas, por lo que generalmente se emplean potenciales de interacción simples conocidos como campos de fuerza. La principal desventaja de los campos de fuerza es que éstos contienen una gran cantidad de parámetros ajustables, los cuales no siempre son transferibles a moléculas para las que no fueron parametrizados. Actualmente, predecir de manera precisa la estructura nativa de las protéınas conocien- do sólo su secuencia de aminoácidos es uno de los principales retos en el área de Bioloǵıa Molecular. Las simulaciones moleculares son una de las principales herramientas para el estudio del plegamiento de protéınas. No obstante, explorar el espacio conformacional de una protéına es una tarea compleja debido al gran número de conformaciones que ésta puede adoptar, además es fácil que la protéına quede atrapada en mı́nimos locales durante una simulación molecular. Por esta razón, se han desarrollado diversos algoritmos de DM enfocados a mejorar la generación de ensambles conformacionales representativos[5, 6]. Por otro lado, el proceso de plegamiento se lleva a cabo en tiempos de microsegundos (µs) a milisegundos (ms) dependiendo del tamaño de la protéına, por lo tanto, obser- var el mecanismo de plegamiento requiere de simulaciones extensas con un alto costo computacional [7]. En este trabajo se pretende avanzar en el desarrollo de métodos más eficientes de dinámica molecular, a través del uso de potenciales externos para inducir el plegamiento de protéınas. Reduciendo de esta manera el tiempo computacional empleado en una si- mulación de DM. La implementación de un potencial externo en el método de dinámica molecular cumple con dos funciones: i) introducir efectos del medio en el proceso de ple- gamiento como el efecto hidrofóbico o la presencia de protéınas chaperonas; ii) acelerar la exploración del espacio conformacional para ahorrar tiempo computacional. En trabajos previos se han obtenido resultados exitosos al implementar potenciales externos en el plegamiento de poĺımeros orgánicos modelo[8]. Como sistema de estudio en esta investigación, se eligió el péptido sintético trp-cage[9] de 20 residuos de aminoácidos y el fragmento (25-35) del péptido β-amiloide [10, 11]. Trabajar con miniprotéınas nos permite emplear potenciales de interacción ab-initio con el método de funcionales de la densidad (DFT, por sus siglas en inglés). No obstante, el modelo de potenciales externos puede ser utilizado en conjunto con campos de fuerza para el estudio de protéınas de mayor tamaño. 4 Antecedentes Antecedentes Plegamiento de protéınas Las protéınas son la base de la maquinaria molecular que constituye a los seres vivos. Son poĺımeros de aminoácidos cuya secuencia es producto de la traducción del material genético celular. Conocer la estructura de las protéınas es fundamental ya que de ésta depende su funcionalidad. Las primeras estructuras de protéınas se obtuvieron en los años 50 con los estudios realizados por Max Perutz[12] y John Kendrew[13] con cristalograf́ıa de rayos-X. Actualmente existen grandes bases de datos como el Protein Data Bank (PDB)[14] que almacena más de 120,000 estructuras de protéınas. Sin embargo, existe un gran número de protéınas cuya estructura no ha sido determinada. Por esta razón, seŕıa de gran utilidad encontrar una manera de predecir la estructura de las protéınas sin tener que analizarlas experimentalmente, sólo conociendo su secuencia de aminoácidos. Para alcanzar este objetivo se debe entender el mecanismo y los factores que dirigen el plegamiento de protéınas. El plegamiento de protéınas es uno de los problemas más importantes sin resolver en el área de Bioloǵıa y Biof́ısica Molecular[15]. El problema del plegamiento de protéınas consiste en resolver cómo la secuencia de aminoácidos dicta la estructura tridimensional de una protéına. Para su estudio se ha divido en tres áreas, el problema termodinámico, el cinético y el computacional [16, 17]. El problema termodinámico consiste en comprender el balance energético que deter- mina la estabilidad de una protéına en su estado nativo. La estructura nativa de una protéına es el resultado de la formación de interacciones atómicas en la protéına y su medio, las fuerzas interatómicas mantienen a la protéına en su conformación más estable. De alguna manera,la información de la estructura tridimensional de una protéına se en- cuentra codificada en su secuencia de aminoácidos, ya que ah́ı radica la diferencia entre una protéına y otra. Diversas interacciones participan en el plegamiento de protéınas, como los puentes de hidrógeno, los puentes disulfuro y las interacciones electrostáticas. No obstante es dif́ıcil saber en qué medida contribuyen cada una de estas interacciones al plegamiento de las protéınas. La naturaleza anfif́ılica de las protéınas propicia la formación de estructuras organizadas donde los residuos apolares tienden a agruparse en el interior. Este fenómeno, conocido como efecto hidrofóbico, podŕıa ser el principal factor del proceso de plegamiento de acuerdo con diversos estudios reportados en la literatura[18, 16]. 5 Plegamiento de protéınas El problema cinético consiste en entender el mecanismo de plegamiento de las pro- téınas. El mecanismo de plegamiento involucra un principio general el cual explica cómo la secuencia de aminoácidos y las condiciones del disolvente influyen en la trayectoria que sigue una protéına para alcanzar su estado nativo desde cualquier conformación. En 1969 Cyrus Levinthal[19] planteó la pregunta de cómo las protéınas pueden adoptar su confor- mación nativa tan rápido, algunas incluso en microsegundos, cuando explorar de manera puramente aleatoria todas las conformaciones posibles tomaŕıa una enorme cantidad de años. Por lo que se concluyó que las protéınas no siguen una búsqueda aleatoria para llegar a su estado plegado sino que se presume un mecanismo de plegamiento[16]. Se han desarrollado modelos de mecánica estad́ıstica[20, 21] enfocados al estudio del espacio conformacional y al cálculo de la función de partición de protéınas. Se ha propuesto que la superficie de enerǵıa libre conformacional de una protéına solvatada, puede ser descrita con una función matemática F (φ, ψ,X) que depende de sus grados de libertad. La representación gráfica de esta función es una superficie cuya forma es similar a la de un embudo, donde hay un número mucho menor de estructuras compactas y estables que de conformaciones desplegadas. El mı́nimo global de las superficies de enerǵıa corresponde al estado nativo de la protéına. No obstante, de manera local las superficies de enerǵıa pueden ser más complejas y presentar barreras cinéticas, intermediarios o mı́nimos locales como se muestra en la figura 2.1. Las superficies de enerǵıa conformacional, ilustran cómo el proceso de plegamiento puede iniciar desde distintos estados de alta enerǵıa, siguiendo distintas rutas conformacionales, para llegar a un único mı́nimo global. Figura 2.1: Superficies de enerǵıa libre conformacional F (ψ, φ, κ). (a) Superficie suave correspondiente a un plegamiento rápido, (b) superficie con trampas cinéticas, (c) superficie donde el plegamiento sigue un mecanismo difusivo, (d) superficie con un intermediario. Figura captada de referencia [16]. El problema computacional consiste en desarrollar algoritmos capaces de predecir la estructura nativa de una protéına, dada la secuencia de aminoácidos. La creación de bases de datos como el Protein Data Bank (PDB) ha sido fundamental para el desarrollo de diversos algoritmos bioinformáticos, los cuales se basan en la comparación de estructuras como los modelos de homoloǵıa de secuencias, también llamados template-based [17]. Por otro lado, se han desarrollado algoritmos basados en modelos f́ısicos como los de dinámica molecular y campos de fuerza. Sin embargo, el principal problema de los métodos f́ısicos radica en la exploración del espacio conformacional. Se han propuesto estrategias donde se realizan de manera simultánea dinámicas con condiciones diferentes de temperatura[22], lo que permite explorar múltiples regiones del espacio conformacional. Aśı mismo, el método accelerated molecular dynamics [5] reduce artificialmente las barreras de poten- cial impidiendo permanecer en mı́nimos locales. Otra estrategia consiste en penalizar las conformaciones que han sido visitadas durante la simulación molecular, lo que se conoce como metadynamics [6]. 6 Dinámica molecular Gracias al cómputo de alto rendimiento y a la optimización de algoritmos de DM, ha sido posible encontrar estructuras nativas de protéınas pequeñas. Sin embargo, los algoritmos de DM resultan ineficientes para predecir estructuras de protéınas de mayor tamaño. Aśı como los algoritmos bioinformáticos no han logrado predecir con buena pre- cisión estructuras que no contengan secuencias homólogas en el PDB. Por lo que se han propuesto diversos métodos h́ıbridos que combinan algoritmos bioinformáticos y f́ısicos, entre los cuales destaca el método de ROSETTA[23], el cual ha obtenido muy buenos resultados en la competencia mundial de predicción de estructuras de protéınas CASP (Critical Assessment of protein Structure Prediction)[24]. Dinámica molecular La metodoloǵıa de dinámica molecular consiste en simular computacionalmente la evolución temporal de sistemas moleculares dentro del marco de la mecánica clásica. En una dinámica molecular se calculan las trayectorias de los átomos, esto es, sus posiciones X y momentos P en el tiempo, generalmente en intervalos de 1 a 2 femtosegundos (fs). El paso de tiempo debe de ser un orden de magnitud menor que la frecuencia del movimiento con el periodo de oscilación más alto en el sistema, con un paso de tiempo mayor se pierde precisión en el proceso de integración y se pueden generar comportamientos caóticos [25, 26]. El cálculo de las trayectorias en una DM se realiza a través de la integración numérica de las ecuaciones de movimiento dadas por la segunda ley de Newton. Para un sistema de n part́ıculas en el espacio f́ısico tridimensional, con un sistema de coordenadas cartesianas (x,y,z), la fuerza que actúa sobre cada part́ıcula i será el vector ~Fi(~r1, ~r2, ... , ~rN , t) con componentes: Fxi , Fyi , Fzi , la cual depende de las posiciones de las n part́ıculas. En el sistema cartesiano de coordenadas, las ecuaciones de movimiento se pueden expresar en componentes como se muestra en la ecuación 2.1. Fxi(~r1, ~r2, ... , ~rN , t) = m d2xi dt2 , Fyi(~r1, ~r2, ... , ~rN , t) = m d2yi dt2 , i = 1, 2, ... n Fzi(~r1, ~r2, ... , ~rN , t) = m d2zi dt2 (2.1) Dada una conformación inicial, por ejemplo las coordenadas cartesianas obtenidas con un experimento de cristalograf́ıa de rayos X de una protéına, las velocidades inicia- les se asignan aleatoriamente a cada átomo, satisfaciendo una distribución de Maxwell- Boltzmann con una valor de temperatura asignado. Conociendo las posiciones y velocida- des iniciales sólo resta conocer la fuerza que actúa en cada átomo para calcular la posición en el siguiente instante de tiempo t0 + dt. 7 Dinámica molecular Cuando un sistema es conservativo la fuerza sobre cada part́ıcula se puede obtener a partir del gradiente del potencial como se muestra en la ecuación 2.2. Un sistema es conservativo cuando su enerǵıa total se conserva, esto es cuando la suma de enerǵıa cinética T y potencial U es constante T + U = cte [27]. ~Fi(~r1, ~r2, ... , ~rn, t) = −∇iU(~r1, ~r2, ... , ~rn, t) (2.2) La enerǵıa potencial U en un sistema molecular se puede obtener de cálculos de mecáni- ca cuántica o bien, a través de modelos clásicos de potenciales de interacción. Estos últimos se emplean frecuentemente en la simulación de sistemas biomoleculares como protéınas, membranas biológicas y ADN, ya que por la gran cantidad de átomos involucrados y la complejidad de los algoritmos que conforman la teoŕıa cuántica, no es posible resolver la ecuación de Schrödinger para este tipo de moléculas. Los potenciales de interacción clási- cos, mejor conocidos como campos de fuerza, representan una manera simple de calcular las fuerzas interatómicas. No obstante, en su forma funcional involucran varios parámetros que deben ser ajustados parapoder obtener resultados precisos. 8 Objetivo e hipótesis Objetivo e hipótesis El objetivo principal de este proyecto es avanzar en el desarrollo de métodos más eficientes de dinámica molecular, a través del uso de potenciales externos para inducir el plegamiento de protéınas. Reduciendo de esta manera el tiempo computacional empleado en la exploración del espacio conformacional durante una simulación computacional. Objetivos particulares Proponer y evaluar diferentes funciones de potencial para inducir el plegamiento de protéınas. Encontrar los parámetros de las funciones de potencial que optimicen la búsqueda de estructuras plegadas y reduzcan el tiempo de simulación. Evaluar el uso de potenciales externos en simulaciones de protéınas con y sin disol- vente expĺıcito. Hipótesis Se sabe que el plegamiento de protéınas se lleva a cabo en tiempos del orden de los microsegundos a milisegundos y que depende de diversos factores como la secuencia de aminoácidos, las interacciones hidrofóbicas, la presencia de protéınas chaperonas, el balan- ce entálpico-entrópico, entre otros. Diseñar un método preciso que tome en cuenta todos los factores que intervienen en el proceso de plegamiento, y sea capáz de alcanzar estruc- turas plegadas en tiempos de cómputo accesibles es sumamente complejo. Los potenciales externos representan una aproximación relativamente directa y simple para modelar los efectos que diversos factores tienen en el proceso del plegamiento de protéınas, por lo que su implementación ayudará a encontrar estructuras plegadas de forma eficiente. 9 Modelo y metodoloǵıa Modelo y metodoloǵıa Modelo teórico En este trabajo se aplicó un método de muestreo para la búsqueda de conformacio- nes de mı́nima enerǵıa de protéınas. El modelo propuesto integra métodos de dinámica molecular dentro del marco de la teoŕıa de Langevin con la introducción de potenciales externos para dirigir el plegamiento de protéınas. La aproximación de Langevin permite equilibrar el sistema a una temperatura dada, evitando de esta manera el uso de termosta- tos que generalmente se emplean en simulaciones de DM, los cuales introducen part́ıculas ficticias en las ecuaciones de movimiento con parámetros ajustados adicionales. El modelo teórico puede aplicarse a simulaciones de protéınas donde el efecto del disolvente en la protéına se considera de manera impĺıcita en los términos estocásticos de la ecuación de Langevin, los cuales se describirán más adelante. Por otro lado, el modelo puede aplicarse a una protéına en una celda de disolvente expĺıcito, donde los átomos que se encuentran en la frontera de la celda siguen una dinámica de tipo Langevin, mientras que los que se encuentran en el interior de la celda siguen una dinámica Newtoniana. En ambos casos se pueden introducir potenciales externos para dirigir el plegamiento de las protéınas. En esta sección se describe de manera breve el método desarrollado por nuestro grupo, una discusión más detallada puede consultarse en las referencias [28] y [8]. Modelo molecular con disolvente impĺıcito Lagrangiano El modelo teórico propuesto puede considerarse una generalización de la aproximación de Langevin-Zwanzig (ver referencia [29]) para n part́ıculas, con la adición de un término extra en el Lagrangiano correspondiente al potencial externo, como se muestra en la ecua- ción 4.1. Suponemos que el sistema se encuentra inmerso en un baño térmico compuesto por una colección de osciladores armónicos. L({qij, xi}) = ∑ i mi 2 ẋ2i + ∑ i ∑ j mij 2 q̇2ij − U({xi})− Vp({xi}) − ∑ i ∑ j [ mijw 2 ij 2 q2ij − cijqijxi + c2ij 2mijw2 ij x2i ] (4.1) 10 Modelo molecular con disolvente impĺıcito El Lagrangiano (ecuación 4.1) depende de las coordenadas generalizadas de las part́ıcu- las del sistema y de sus velocidades, {xi, ẋi}, y de las part́ıculas del baño térmico, {qij, q̇ij}. El doble ı́ndice de las part́ıculas del baño térmico indica que cada part́ıcula i del sistema interacciona con un baño térmico independiente. Los primeros dos términos del Lagran- giano representan la enerǵıa cinética de las part́ıculas del sistema y del baño térmico. El potencial de interacción entre part́ıculas del sistema U({xi}), se calcula resolviendo la ecuación de Schrödinger. El potencial externo está descrito por la cantidad Vp({xi}), cuya forma funcional es la principal aportación de este trabajo. La interacción del sistema con el baño térmico está descrita con una aproximación armónica correspondiente al último término del Lagrangiano, donde mij y wij son la masa y la vibración respectivamente de la part́ıcula ij. La interacción entre las part́ıculas del sistema y las del baño térmico es de forma bilineal, donde cij son coeficientes de acoplamiento y están relacionados con el coeficiente de fricción. Las part́ıculas del baño térmico no interaccionan entre śı. Ecuaciones de movimiento Las ecuaciones de movimiento para una part́ıcula con posición y velocidad generaliza- das, (ζ, ζ̇), se obtienen resolviendo la ecuación de Euler-Lagrange (ecuación 4.2). ∂L ∂ζ − d dt ∂L ∂ζ̇ = 0 (4.2) Al aplicar la ecuación de Euler-Lagrange al Lagrangiano (ecuación 4.1) se obtienen las siguientes ecuaciones para las part́ıculas del sistema (ecuación 4.3) y del baño térmico (ecuación 4.4): miẍi = ∑ j ( cijqij − c2ij mijw2 ij xi ) − ∂(U + Vp) ∂xi (4.3) mij q̈ij = cijxij −mijw 2 ikqij (4.4) Se observa en las expresiones anteriores que las ecuaciones de movimiento de las part́ıculas del sistema y del baño término se encuentran acopladas. Esto significa que la trayectoria xi de la part́ıcula i depende de las coordenadas de las n part́ıculas del baño térmico {qij}nj=1. A su vez, la trayectoria de las part́ıculas del baño térmico depende de la coordenada xi de la part́ıcula i. Las ecuaciones de movimiento se pueden desacoplar resolviendo la ecuación diferencial de las part́ıculas del baño térmico (ecuación 4.4) y sustituyendo en la ecuación de las part́ıculas del sistema (ecuación 4.4). La solución es una ecuación de movimiento tipo Langevin como la que se muestra en la expresión 4.5. Los detalles para obtener la ecuación de movimiento se pueden consultar en las referencias [28, 29, 8]. miẍi = −∂[U({xi}) + Vp({xi})] ∂xi +Gi(t)−miξiẋi (4.5) 11 Modelo molecular con disolvente expĺıcito El primer término del lado derecho de la ecuación 4.5 representa la fuerza que actúa sobre la part́ıcula i debida al potencial de interacción entre part́ıculas U({xi}) y al poten- cial externo Vp({xi}). El segundo término corresponde a una fuerza de origen estocástico ejercida por las part́ıculas del baño térmico sobre la part́ıcula i, esta fuerza introduce las fluctuaciones térmicas del medio. El último término es una fuerza de origen disipativa y representa la viscosidad del medio, donde ξi es el coeficiente de fricción local. Los últimos dos términos simplifican la ecuación de movimiento y favorecen el intercambio de enerǵıa del sistema con el medio, no obstante, convierten a la ecuación de movimiento irreversible en el tiempo y a la enerǵıa total del sistema no conservativa. En la figura 4.1 se ilustra una protéına en el baño térmico. Figura 4.1: Péptido trp-cage en un baño de disolvente impĺıcito. El baño térmico se representa con una malla roja punteada. El potencial externo se representa con el ćırculo rojo. Modelo molecular con disolvente expĺıcito Este modelo puede aplicarse a sistemas en una celda de disolvente expĺıcito, para lo cual se integra un potencial adicional de confinamiento Vc({xi}). La función del potencial Vc({xi}) es mantener a las moléculas de disolvente y a la protéına dentro de la celda de manera análoga a un contenedor. Este potencial es de tipo exponencial y decae rápida- mente cuando la distancia entre los átomos y la frontera de la celda aumenta. Por lo tanto, la fuerza que el potencialVc({xi}) ejerce en los átomos que se encuentran en el interior de la celda es despreciable. 12 Modelo molecular con disolvente expĺıcito En la figura 4.2 se ilustra la celda de disolvente. Los átomos que se encuentran en la frontera de la celda son los únicos que interactúan con el baño térmico y por lo tanto son los únicos que siguen una dinámica de tipo Langevin. Los átomos que se encuentran en el interior de la celda siguen una dinámica Newtoniana. Figura 4.2: Péptido trp-cage en celda de disolvente. Los átomos en la frontera siguen una dinámica de Langevin con potenciales externos. Los átomos al interior de la celda siguen una dinámica Newtoniana con potenciales externos. Los potenciales de confinamiento Vc y de plegamiento Vp se ilustran en rojo. La celda de disolvente es lo suficientemente grande para que la protéına no interactue con las fronteras, además el potencial externo la mantiene en el centro de la celda durante la simulación. El potencial externo o de plegamiento Vp({xi}), actúa únicamente sobre los átomos de la protéına. El potencial de confinamiento Vp({xi}) actúa sobre todos los átomos en la celda. Por lo tanto, las ecuaciones de movimiento para la protéına y las moléculas de disolvente en cada región de la celda están dadas por las ecuaciones que se muestran en la figura 4.3. 13 Modelo molecular con disolvente expĺıcito Figura 4.3: Ecuaciones de movimiento para cada región de la celda. La ecuación en el elipse corresponde a la ecuación de movimiento de los átomos de la protéına. Las ecuaciones fuera del elipse corresponden a las ecuaciones de movimiento de los átomos del disolvente en la frontera (ecuación de tipo Langevin) y en el interior de la celda (ecuación Newtoniana). En las ecuaciones de la figura 4.3 se distinguen dos potenciales de interacción entre part́ıculas, el potencial UMM y el potencial UQM , esto se debe a que el número de molécu- las de agua necesarias para solvatar a una protéına es muy grande y no es posible evaluar el potencial del disolvente con cálculos ab-initio, por esta razón se recurre al uso de poten- ciales clásicos para el disolvente. No obstante, el potencial de interacción entre los átomos de la protéına UQM({xi}) es de naturaleza cuántica, se obtiene de resolver la ecuación de Schrödinger independiente del tiempo bajo la aproximación Born-Oppenheimer (ver ecuación 4.6), teniendo de esta manera simulaciones del tipo mecánica cuántica-mecánica molecular (QM/MM por sus siglas en inglés). Ĥψ({xi}) = Eψ({xi}); UQM({xi(t)}) = E|{xi(t)} (4.6) El potencial clásico U({xi}) representa la interacción entre las moléculas del disolvente aśı como la interacción del disolvente con la protéına. Existen diversos modelos de disol- vente expĺıcito, no obstante la mayoŕıa contienen los términos de interacción Coulómbica y de Lennard-Jones. El potencial de interacción entre la protéına y el disolvente se calcula también con los potenciales clásicos de Coulomb y de Lennard-Jones cuyos parámetros se pueden obtener de cualquier campo de fuerza para protéınas. Los campos de fuerza empleados se describen en la sección de metodoloǵıa. 14 Metodoloǵıa Potenciales Externos El potencial externo Vp(xi) puede adoptar distintas formas funcionales. En este trabajo se proponen tres formas funcionales simples para inducir el plegamiento. El potencial externo puede actuar sobre todos los átomos de la protéına o bien, sobre un conjunto de ellos, como el conjunto de átomos que conforman el esqueleto pept́ıdico, los carbonos alfa o los átomos de las cadenas laterales únicamente. Las formas funcionales propuestas se muestran a continuación. Vh({xi}) = ∑ i 1 2 kr2i (4.7) Vg({xi}) = −V0 ∑ i e−r 2 i /(2σ 2) (4.8) Vs({xi}) = ∑ i eα(ri−R) (4.9) Donde, ri = [(xi − xo)2 + (yi − yo)2 + (zi − zo)2]1/2 (4.10) La primera expresión (ecuación 4.7) es un potencial armónico, donde k es la constante de fuerza del oscilador. La siguiente expresión (ecuación 4.8) es un potencial de tipo Gaussiano atractivo, donde los parámetros V0 y σ son el peso de la función y la desviación estándar. En la última expresión (ecuación 4.9) se emplea una función exponencial con un factor de normalización que le da un carácter esférico al potencial, donde R representa el radio de la esfera. Los parámetros (xo, yo, zo) en la ecuación 4.10 son el origen del potencial. Los valores de los parámetros empleados en las diferentes funciones de potencial se calcularon de manera que la fuerza inducida por el potencial externo no superara las fuerzas de enlaces y que se redujera el tiempo de simulación. Metodoloǵıa Durante este proyecto se realizaron múltiples simulaciones para evaluar el uso de potenciales externos en dinámicas moleculares tipo QM/MM de protéınas. Este trabajo se dividió en cuatro etapas. Las cuales se enlistan a continuación. Primera etapa. Durante la primera etapa, se realizaron simulaciones con dos pépti- dos distintos: i) una protéına sintética con estructura secundaria y terciaria de 20 residuos de aminoácidos, diseñada especialmente para optimizar su plegamiento[9]. Este tipo de estructura plegada se ha denominado como motivo trp-cage, por lo que se usará este nom- bre para referirnos a esta protéına. ii) El fragmento Aβ(25-35) de 11 residuos del péptido β-amiloide, con estructura secundaria de hélice α[10, 11]. Las primeras simulaciones con ambos péptidos se realizaron con el objetivo de encontrar los parámetros óptimos de las funciones del potencial externo. Los parámetros no han sido evaluados con otros péptidos. 15 Metodoloǵıa Segunda etapa. En una segunda etapa, se realizaron simulaciones para evaluar la aplicación de los potenciales externos en la búsqueda de estados plegados de ambos pépti- dos: motivo trp-cage y el fragmento (25-25)β-amiloide. Posteriormente, se realizaron simu- laciones de relajación en ausencia del potencial externo. El objetivo de estas simulaciones fue permitir que la protéına adoptara una conformación menos estresada, dada únicamen- te por las fuerzas de interacción entre los átomos de la protéına y por el efecto del baño térmico. Las simulaciones de relajación se realizaron con el modelo molecular descrito en la sección anterior pero sin la contribución del potencial externo V ({xi}). Tercera etapa. Dado que el modelo de Langevin no toma en cuenta las interaccio- nes de manera individual entre las moléculas de agua con la protéına, y por ende no se consideran los efectos electrostáticos ni de Van der Waals, los cuales pueden ser funda- mentales en el proceso de plegamiento de protéınas, en la tercera etapa de este trabajo se realizaron simulaciones con la protéına en una celda de disolvente expĺıcito. Para cumplir con este objetivo, se implementó en el método el modelo de tres sitios TIP3P desarrollado por Jorgensen et. al.[30] con moléculas de agua flexibles[31]. Las interacciones entre las moléculas de la protéına con las moléculas de agua expĺıcitas se calcularon empleando el campo de fuerza OPLS-AA[32]. No obstante, las cargas de los átomos de las protéınas se promediaron con las cargas de Mulliken obtenidas con el cálculo de estructura electrónica en cada paso de tiempo (ver ecuación 4.11). qatom(t) = 1 2 (qOPLS−AA + qDFT (t)) (4.11) Cuarta etapa. Con fines comparativos, en la última etapa de este trabajo se realizó una simulación de mecánica molecular por 20 ns de la protéına trp-cage con disolvente expĺıcito a temperatura y volumen constante (ensamble canónico NVT). En esta simu- lación se empleó el campo de fuerza OPLS-AA [32], el modelo de disolvente expĺıcito TIP3P[30] y el algoritmo de acoplamiento de temperatura de Nosé-Hoover. La integra- ción de las ecuaciones de movimiento se realizó con el algoritmo Velocity-Verlet [33]. Esta simulación se realizó con la paqueteŕıa de simulación molecular GROMACS[1]. La integración de las ecuaciones de movimientode tipo Langevin se realizó con una variante del algoritmo de Verlet, el cual se puede consultar en las referencias [34, 35, 28]. Aśı mismo, el paso de tiempo en todas las simulaciones fue de 1 fs. El software para resolver las ecuaciones de movimiento se programó en FORTRAN. El código es libre y se puede obtener en [36]. Se eligió el método de teoŕıa funcionales de la densidad, DFT (por sus siglas en inglés), para la resolución de la ecuación de Schrödinger, de la que se obtuvo el potencial de inter- acción de las protéınas, en la aproximación de gradiente generalizado. El método de DFT tiene la ventaja de tener una buena precisión y un bajo costo computacional comparado con métodos de función de onda, como los métodos post-Hartree-Fock. Se emplearon los funcionales de Becke[37] y Lee[38] de intercambio y correlación respectivamente con un funcional de dispersión[39]. Se usó como base el conjunto de Gaussianas 6-31G. Las ecua- ciones monoelectrónicas de Kohn-Sham se resolvieron de manera autoconsistente con con un criterio de convergencia de 10−6 ua en la matriz de densidad y enerǵıa. Los cálculos de estructura electrónica se realizaron empleando el programa TeraChem[40] ya que se encuentra implementado para su funcionamiento en plataformas de tipo GPU. 16 Discusión de resultados Discusión de resultados Un fragmento de 11 residuos del péptido intŕınsecamente desordenado β-amiloide, aśı como un péptido de 20 aminoácidos con estructura secundaria y terciaria, fueron emplea- dos para probar el efecto de los potenciales externos en la dinámica del plegamiento de protéınas. Se produjeron estructuras desplegadas de ambos péptidos, aplicando fuerzas de osciladores armónicos (ecuación 4.7) en los extremos de las protéınas bajo un esque- ma steered molecular dynamics (SMD). Todas las simulaciones realizadas posteriormente parten de las estructuras desplegadas que se muestran en la figura 5.1. Figura 5.1: Estructuras iniciales. Arriba: Estructura desplegada del fragmento 25-35 del péptido β- amiloide, con secuencia de aminoácidos GSNKGAIIGLM. Abajo: Estructura desplegada del péptido trp-cage con secuencia NLYIQWLKDGGPSSGRPPPS. Primera etapa: parametrización Se realizaron simulaciones de 10 (ps) con las dos protéınas de estudio para determinar el valor de los parámetros de las funciones del potencial externo. La función del potencial armónico (ver ecuación 4.7) depende de la constante de fuerza k, esta constante puede cambiar en el tiempo con una rapidez v=∆k/∆t como se muestra en la expresión 5.1, lo cual resulta útil cuando se desea mantener la fuerza constante. ki = v∆t+ ki−1 (5.1) Donde i = 1, 2, ..., n representa el número de iteración en el tiempo, siendo el tiempo total de la simulación τ = n∆t. Por otro lado, la función Gaussiana (ecuación 4.8) y la función exponencial (ecuación 4.9) dependen de las amplitudes V0 y A = e−αR respecti- vamente. La fuerza externa que se ejerce sobre las part́ıculas del sistema es directamente proporcional a estas constantes. En la función de potencial esférico el parámetro R au- menta β veces cada n pasos de tiempo, de acuerdo con la siguiente expresión. Ri = βRi−1; i = n∆t (5.2) 17 Discusión de resultados El origen del potencial ~o = (xo, yo, zo) en las tres funciones es arbitrario, no obstante, en el potencial esférico se fijó al centro de masa de la protéına ~rCM . Los parámetros obtenidos para cada función se muestran en la tabla 5.1. Tabla 5.1: Parámetros para cada función de potencial externo Potencial Parámetros Armónico k = [0.01, 0.5] (N/cm) Vh({xi}) = ∑ i 1 2 kr2i v = 0.02 Ncm−1ps−1; k0 = 0.01 N/cm Gaussiano aσ = 9.0 Å V0 = 0.1 Ha Vg({xi}) = −V0 ∑ i e −r2i /(2σ2) Esférico bα = 8.0 1/Å Vs({xi}) = ∑ i e α(ri−R) β = 0.98 n = 100 fs a El parámetro σ depende del tamaño de la protéına. Una buena aproxi- mación para este parámetro es el radio de giro de la protéına σ ≈ rg. b El valor del parámetro α se determinó en trabajos previos [28]. Los valores reportados en la tabla 5.1 se eligieron bajo dos criterios: i) que la fuerza ejercida por el potencial fuera menor a las fuerzas de interacción atómicas y ii) que las protéınas adoptaran estructuras plegadas en un tiempo menor a 10 ps. Los potenciales externos pueden actuar sobre todos los átomos del sistema o sólo sobre un grupo de ellos. En este trabajo se exploraron tres casos: en el primero se aplicó un potencial armónico a cada carbono α del péptido Aβ; en el segundo se aplicaron los potenciales Gaussiano y esférico a todos los átomos pesados del péptido trp-cage; finalmente se aplicó el potencial esférico a los átomos pesados de las cadenas laterales de los residuos hidrofóbicos del péptido trp-cage. Al aplicar el potencial sobre un grupo de átomos se puede dirigir el plegamiento del péptido sin restringir todos los grados de libertad. Segunda etapa: péptido β-amiloide en disolvente impĺıcito La formación de elementos de estructura secundaria en las simulaciones de dinámica molecular puede tomar varios nanosegundos. Se ha observado a través de la comparación entre estructuras de protéınas reportadas, que las secuencias locales similares adoptan arreglos tridimensionales similares, esto ocurre principalmente con las hélices ya que son arreglos de una sola región de la protéına, a diferencia de las láminas β que pueden abarcar diferentes regiones de una cadena polipept́ıdica. Podŕıa ser de utilidad emplear potenciales externos para inducir la formación de elementos de estructura secundaria, que actúen sobre secuencias locales que puedan formar estructuras como hélices α. 18 Discusión de resultados Para probar esta hipótesis, se realizó una simulación de 25 ps del fragmento 25-35 del péptido Aβ con estructura de hélice α. Se dirigió al péptido desplegado hasta su estruc- tura experimental aplicando un potencial armónico sobre cada carbono α. El origen de cada potencial se fijó en las posiciones de los carbonos α correspondientes de la estructura experimental. La estructura del fragmento 25-35 del péptido Aβ ha sido caracterizado ex- perimentalmente con la técnica de RMN a una temperatura de 300 K, a presión ambiente en pH 4.5, por D’Ursi y colaboradores[11], ésta se encuentra reportada en el Protein Data Bank con clave 1QWP (ver figura 5.2). Figura 5.2: Estructura experimental del fragmento 25-35 del péptido β-amiloide en agua. Posteriormente se realizó una simulación por 10 ps en ausencia de potenciales externos para permitir al péptido adoptar una conformación natural y obtener datos estructurales. Las trayectorias obtenidas de las simulaciones de plegamiento y de relajación se analizaron a través del cálculo de la desviación cuadrática media (RMSD por sus siglas en inglés) con la estructura experimental como referencia, la desviación cuadrática media de las dos simulaciones se muestra en las figuras 5.3 y 5.4. 0.5 1 1.5 2 2.5 3 3.5 4 4.5 5 5.5 6 0 5 10 15 20 25 R M S D ( Å ) Tiempo (ps) RMSD dinamica de plegamiento con potenciales armonicos Figura 5.3: RMSD de la simulación de plegamiento del péptido β-amiloide en disolvente impĺıcito con potenciales armónicos. 19 Discusión de resultados 0 0.2 0.4 0.6 0.8 1 1.2 1.4 1.6 1.8 2 0 1 2 3 4 5 6 7 8 9 10 R M S D ( Å ) Tiempo (ps) RMSD dinamica en ausencia de potenciales externos Figura 5.4: RMSD de la simulación del péptido β-amiloide en disolvente impĺıcito sin potenciales externos. El análisis de RMSD se aplicó únicamente a los esqueletos de los péptidos. Se aprecia en las figuras 5.3 y 5.4 que se alcanza un RMSD de 0.7 Å (RMSD ideal ≤ 1 Å) en la simulación con los potenciales armónicos. Esto indica que se llegó a una estructura muy cercana a la estructura experimental. No obstante, en la simulación de relajación se puede observar que el RMSD aumenta hasta 2 Å. Las estructuras finalesde cada simulación se muestran en la figura 5.5. Figura 5.5: Izquierda: Estructura obtenida con la aplicación de potenciales de oscilador armónico alineada con la estructura experimental. Derecha: Estructura final de la simulación de relajación comparada con la estructura experimental. La estructura experimental se representa en ambas figuras en transparencia. También se llevó a cabo un análisis de la estructura secundaria de las conformaciones obtenidas, donde se determinó que no se reprodujo la estructura experimental de hélice α, ya que los ángulos de torsión no son los adecuados. Esto se puede deber a que la fuerza ejercida por los potenciales armónicos impide que la cadena rote para formar los giros de una hélice α. Mientras que la estructura experimental contiene un 36.4 % de hélice α y un 18.2 % de hélice 310. Las estructuras obtenidas en las simulaciones no muestran elementos de hélice sino giros β. El contenido de estructura secundaria se calculó con el programa PDBsum. 20 Discusión de resultados Durante la simulación de relajación la protéına alcanza una estabilidad estructural lo cual se ve reflejado en la convergencia del RMSD. La enerǵıa potencial DFT de las dinámicas de plegamiento y relajación se presenta en las figuras 5.6 y 5.7. -0.24 -0.22 -0.2 -0.18 -0.16 -0.14 -0.12 -0.1 -0.08 -0.06 0 5 10 15 20 25 E n e rg ia D F T ( H a ) Tiempo (ps) Energia DFT dinamica de plegamiento con potenciales armonicos Figura 5.6: Enerǵıa potencial del péptido Aβ. Dinámica de plegamiento. La enerǵıa fue calculada en cada paso de tiempo con TeraChem empleando el método DFT (ver metodoloǵıa). -0.26 -0.24 -0.22 -0.2 -0.18 -0.16 -0.14 -0.12 0 1 2 3 4 5 6 7 8 9 10 E n e rg ia D F T ( H a ) Tiempo (ps) Energia DFT dinamica en ausencia de potenciales externos Figura 5.7: Enerǵıa potencial del péptido Aβ. Dinámica de relajación. La enerǵıa fue calculada en cada paso de tiempo con TeraChem empleando el método DFT (ver metodoloǵıa). 21 Discusión de resultados Se observa en las figuras 5.6 y 5.7 que durante la simulación de plegamiento la protéına experimenta cambios en la enerǵıa potencial mayores que en ausencia de potenciales externos. Esto sugiere que el potencial externo ayuda al péptido a alcanzar conformaciones de menor enerǵıa en periodos de tiempo cortos. En este caso el péptido alcanza una conformación de baja enerǵıa en 15 ps, no obstante a partir de los 15 ps se observa un incremento en la enerǵıa, posiblemente debido a que la fuerza del potencial externo mantiene a la protéına en un estado compacto donde la repulsión electrónica aumenta. En la dinámica de relajación la enerǵıa DFT converge a un valor de -0.213 Ha. La enerǵıa en ambas gráficas es la diferencia de enerǵıa DFT en cada pasó de tiempo menos la enerǵıa de referencia, que corresponde a la enerǵıa DFT del estado desplegado inicial, ∆EDFT (t) = EDFT (t)− Eref . Segunda etapa: péptido trp-cage en disolvente impĺıcito El péptido trp-cage presenta elementos conservados de estructura secundaria y ter- ciaria. Este péptido está constituido por 20 residuos de aminoácidos con secuencia 1NL- YIQWLKDGGPSSGRPPPS20. Su estructura consiste en una hélice α del residuo Leu 2 a Lys 8, una pequeña hélice 310 de los residuos 10-13 y un núcleo hidrofóbico compuesto por tres residuos de prolinas (pro 12, pro 18 y pro 19) y los residuos aromáticos Tyr 3 y Trp 6. Este péptido se sintetizó y caracterizó a través de técnicas experimentales por Neidigh y colaboradores[9]. Las simulaciones realizadas se compararon con la estructura experimental, para lo cual se realizó el análisis de RMSD. La estructura experimental se encuentra reportada en el PDB con clave 1L2Y, ésta se obtuvo de un experimento de RMN a una temperatura de 282 K y presión ambiente en pH 7 (figura 5.8). Figura 5.8: Estructura experimental obtenida con RMN[9] reportada en el PDB con clave 1L2Y. Los residuos que conforman el motivo trp-cage se resaltan con la representación CPK. Tirosina 3 (Rojo), triptofano 5 (lila), prolinas 12, 17, 18 y 19 (verde). 22 Discusión de resultados Se realizó una dinámica de tipo Langevin (ver ecuación 4.5) por 5 ps, donde se aplicó un potencial externo de tipo Gaussiano (ver ecuación 4.8) a los átomos pesados del péptido para inducir el plegamiento del péptido trp-cage. Posteriormente se realizó el análisis de RMSD de la trayectoria respecto a la estructura experimental, los resultados se muestran en las figuras 5.9 y 5.10. Aśı mismo se realizó una simulación de relajación por 5 ps en ausencia de potenciales externos, el análisis de RMSD también se muestra en las figuras 5.9 y 5.10. El análisis de RMSD en ambas simulaciones se aplicó únicamente al esqueleto pept́ıdico de la protéına. 0 2 4 6 8 10 12 14 16 0 1 2 3 4 5 R M S D ( Å ) Tiempo (ps) RMSD del peptido trp−cage con potencial Gaussiano Figura 5.9: RMSD de la simulación de plegamiento con un potencial Gaussiano. 4 4.5 5 5.5 6 0 1 2 3 4 5 R M S D ( Å ) Tiempo (ps) RMSD dinamica del peptido trp−cage sin potenciales externos Figura 5.10: RMSD de la simulación sin potenciales externos. 23 Discusión de resultados En las figuras 5.9 y 5.10 se observa que el RMSD disminuye de 16 Å hasta 5 Å en menos de 5 ps. Aśı mismo, se aprecia un mı́nimo alrededor de los 3 ps, lo cual sugiere que las estructuras en esta zona de la trayectoria son más cercanas a la estructura nativa del péptido. No obstante durante la simulación no se observan elementos de estructura secundaria o terciaria. En la etapa de relajación el RMSD se mantiene alrededor de 5 Å por lo que el péptido se puede encontrar en un mı́nimo local. Las estructuras finales se muestran en la figura 5.11. Figura 5.11: Izquierda: Estructura obtenida con la aplicación de potenciales de un potencial Gaussiano alineada con la estructura experimental. Derecha: Estructura final de la simulación de relajación com- parada con la estructura experimental. La estructura experimental se representa en ambas figuras en transparencia sin cadenas laterales. La enerǵıa potencial DFT se muestra en las figuras 5.12 y 5.13. En éstas se observa que el potencial ayuda a la protéına a atravesar un máximo de enerǵıa potencial (2-3 ps), posteriormente la enerǵıa disminuye hasta -0.4 Ha, por lo que el potencial induce a la protéına a adoptar una conformación de menor enerǵıa. En la simulación en ausencia de potenciales externos la enerǵıa DFT del péptido converge a un valor de 0.57 Ha, lo cual indica que el péptido alcanzó una estabilidad estructural. La enerǵıa reportada en las figuras 5.12 y 5.13 está dada por la diferencia entre la enerǵıa en cada paso de tiempo menos la enerǵıa del estado desplegado. El potencial Gaussiano aunque lleva a la protéına a una conformación de menor enerǵıa, ésta no alcanza la estructura nativa. Por lo que se requiere llevar a cabo simulaciones en periodos mayores de tiempo. 24 Discusión de resultados -0.5 -0.4 -0.3 -0.2 -0.1 0 0.1 0.2 0 1 2 3 4 5 E n e rg ia D F T ( H a ) Tiempo (ps) Energia DFT del peptido trp-cage con potencial Gaussiano Figura 5.12: Enerǵıa potencial del péptido trp-cage. Dinámica de plegamiento. -0.65 -0.6 -0.55 -0.5 -0.45 -0.4 -0.35 0 1 2 3 4 5 E n e rg ia D F T ( H a ) Tiempo (fs) Energia DFT dinamica en ausencia de potenciales externos Figura 5.13: Enerǵıa potencial del péptido trp-cage. Dinámica de relajación. Un factor importante que no se toma en cuenta en una dinámica tipo Langevin es la interacción electrostática entre las moléculas del disolvente y de la protéına, lo cual podŕıa ser fundamental en la formación de elementos de estructura secundaria pero principal- mente en la formación de núcleos hidrofóbicos. Por esta razón se implementó en el código el modelo de disolvente expĺıcitoTIP3P, para estudiar el efecto de potenciales externos en la dinámica de plegamiento del péptido trp-cage con disolvente expĺıcito. 25 Discusión de resultados Tercera etapa: Plegamiento del péptido trp-cage con disolvente Se construyó una celda de disolvente tricĺınica con dimensiones 90x40x40 (Å 3 ) donde el péptido trp-cage se posicionó en el centro como se muestra en la figura 5.14. Las simu- laciones con la protéına solvatada tomaron una mayor cantidad de tiempo para alcanzar el equilibrio termodinámico debido al gran número de átomos. Se realizó una simulación de equilibrio por 100 ps restringiendo las posiciones de los átomos de la protéına para permitir al disolvente alcanzar el equilibrio térmico. La temperatura durante esta simula- ción se ilustra en la figura 5.15, donde se observa que se alcanza el equilibrio térmico del sistema con una temperatura de 297 K. Figura 5.14: Estructura del péptido desplegada solvatada, caja tricĺınica con vista frontal. Figura 5.15: Temperatura durante simulación de equilibrio. 26 Discusión de resultados Teniendo al sistema en equilibrio termodinámico, se realizaron dos simulaciones con disolvente expĺıcito empleando un potencial esférico de acuerdo con la ecuación 4.9. En la primera simulación se aplicó el potencial externo a todos los átomos pesados de la protéına. En la segunda simulación se aplicó el potencial externo únicamente a los átomos pesados de las cadenas laterales de los residuos hidrofóbicos, esto con el objetivo de introducir el efecto hidrofóbico. Por cada simulación de plegamiento se realizó una dinámica en ausencia de potenciales externo para permitir a la protéına adoptar una conformación menos estresada. Los resultados del análisis de RMSD de éstas simulaciones se muestran en las figuras 5.16 y 5.17. Figura 5.16: RMSD de la simulación de plegamiento del péptido trp-cage en disolvente con potencial esférico. La dinámica donde se aplicó el potencial sobre todos los átomos pesados se muestra en azul. En verde se ilustra la dinámica donde se aplicó el potencial únicamente sobre los átomos pesados de los residuos hidrofóbicos. Figura 5.17: RMSD de la simulación del péptido trp-cage en disolvente sin potenciales externos. Relajación de la dinámica donde se aplicó el potencial sobre todos los átomos pesados se muestra en azul. En verde se ilustra la relajación de la dinámica donde se aplicó el potencial únicamente sobre los átomos hidrofóbicos. 27 Discusión de resultados En la figura 5.16 se observa que al aplicar el potencial externo únicamente a los áto- mos hidrofóbicos no se reduce el RMSD de la estructura obtenida. No obstante en las simulaciones de relajación (figura 5.17) se observa que la estructura donde se aplicó el potencial sobre los residuos hidrofóbicos alcanza un RMSD menor por 0.5 Å. También, se aprecia en la figura 5.16 que cuando se aplica el potencial a todos los átomos pesados del péptido, éste llega a una estructura más compacta en menos tiempo que cuando se aplica a los átomos de residuos hidrofóbicos. La enerǵıa potencial DFT para ambas simulaciones se muestra en las figuras 5.18 y 5.19. Donde se observan comportamientos diferentes de la enerǵıa en ambas simulaciones. La simulación de plegamiento donde se aplicó el potencial externo a todos los átomos pesados del péptido (gráfico color azul figura 5.18) muestra un incremento asintótico de la enerǵıa a partir de los 12 ps, mientras que en la simulación donde se aplicó el potencial externo a los átomos hidrofóbicos (gráfico color verde figura 5.18) se aprecia una disminución de la enerǵıa entre los 6 ps y 8 ps. Figura 5.18: Enerǵıa potencial del péptido trp-cage. Dinámicas de plegamiento. Figura 5.19: Enerǵıa potencial del péptido trp-cage. Dinámicas de relajación. 28 Discusión de resultados En el primer caso, el incremento de la enerǵıa se debe a que el potencial lleva al péptido a una estructura muy compacta donde la repulsión electrónica se vuelve dominante. Aśı mismo, se observa que la enerǵıa no disminuye en ningún momento a lo largo de la simu- lación. En el segundo caso, donde se aplicó el potencial externo a los átomos hidrofóbicos de los 6 ps a los 8 ps la enerǵıa potencial de la protéına disminuye considerablemente, se puede observar un mı́nimo a los 8.25 ps. Este comportamiento puede atribuirse a la for- mación de interacciones hidrofóbicas del péptido. Las estructuras antes y después de esta transición se muestran en la figura 5.20. En las simulaciones de relajación se observa que la enerǵıa converge. En la simulaciones de relajación (figura 5.19) se observa que donde se aplicó el potencial externo sobre los átomos pesados hidrofóbicos, el valor de la enerǵıa que alcanza el sistema al retirar el potencial es menor que en la dinámica donde se aplicó el potencial externo a todos los átomos pesados. Figura 5.20: Estructuras del péptido trp-cage en la simulación de plegamiento con el potencial externo aplicado a los átomos hidrofóbicos. Izquierda: estructura al tiempo 6.4 ps. Derecha: estructura al tiempo 8.25 ps. El código de colores es el mismo que en la figura 5.8 En la figura 5.20 se aprecia que la estructura al tiempo de 6.4 ps se encuentra en un estado desplegado mientras que al tiempo 8.25 ps el péptido adopta una conformación más compacta donde existen contactos hidrofóbicos entre el triptofano (en color lila) con las prolinas 17 y 19, aśı como entre las prolinas 12 y 18. No obstante este arreglo se desv́ıa del observado experimentalmente, ya que en la estructura experimental el triptofano se posiciona por debajo de los anillos de prolinas 17, 18 y 19. Las estructuras finales de las simulaciones de relajación, se muestran en la figura 5.21. Figura 5.21: Péptido trp-cage en disolvente. Estructuras finales de la simulación de relajación. Izquierda: potencial esférico aplicado a todos los átomos del péptido. Derecha: Potencial aplicado a los átomos hidrofóbicos. El código de colores es el mismo que en la figura 5.8 29 Discusión de resultados En la figura 5.21 se observa, en ambos casos, que las estructuras obtenidas se desv́ıan de la conformación experimental, no obstante el potencial externo llevó al péptido a una conformación con un RMSD de 5 Å respecto a la estructura experimental. Aśı mismo, a pesar de que se pueden observar contactos hidrofóbicos entre los residuos de TRP y las prolinas 17, 18 y 19. El arreglo espacial de estos residuos no coincide con el arreglo del núcleo hidrofóbico observado en la estructura experimental (ver figura 5.8). Cabe destacar que el modelo propuesto pretende evaluar el efecto del disolvente de manera expĺıcita en la primera capa de solvatación, más allá de la primera capa de solvata- ción, el efecto del disolvente se considera de manera impĺıcita con el modelo de Langevin. No obstante, las simulaciones realizadas representan una aproximación del péptido di- suelto en agua, ya que hasta ahora, con ningún modelo de dinámica molecular, es posible evaluar la dinámica de 1 mol de agua. Cuarta etapa: plegamiento del péptido trp-cage en GROMACS Con el objeto de evaluar el desempeño del modelo de potenciales externos en compara- ción con modelos de dinámica molecular con campos de fuerza, se realizó una simulación de DM con el programa GROMACS en disolvente expĺıcito del péptido trp-cage. Como configuración inicial se eligió la estructura desplegada del péptido en una celda de disol- vente de las mismas dimensiones que en las simulaciones anteriores (ver figura 5.14). Se realizó una simulación NVT durante 20 ns a una temperatura de 297 K. Posteriormente se realizó el análisis de RMSD con la estructura experimental como referencia, los resultados se muestran en las figuras 5.22 y 5.23. 2 4 6 8 10 12 14 16 0 5000 10000 15000 20000 R M S D ( Å ) Tiempo (ps) RMSD dinamica del peptidocon campos de fuerza Figura 5.22: RMSD de la simulación del péptido trp-cage en disolvente con campos de fuerza. En la figura 5.22 se observa que el RMSD alcanza la convergencia a partir de los 12000 ps. La convergencia del RMSD indica que el péptido ha alcanzado una conformación estable, posiblemente se encuentre en un mı́nimo local. Las conformaciones exploradas con el modelo de DM con campos de fuerza presentan una desviación cuadrática media de alrededor 5 Å. En la gráfica 5.23 se muestran sólo los primeros 100 ps de la simulación, donde el RMSD alcanza apenas los 8 Å. La medida del RMSD de las conformaciones obtenidas con modelos convencionales de DM y campos de fuerza es similar al obtenido con el modelo propuesto en este trabajo en la mayoŕıa de las simulaciones realizadas. 30 Discusión de resultados 8 9 10 11 12 13 14 15 16 0 20 40 60 80 100 R M S D ( Å ) Tiempo (ps) RMSD dinamica del peptido con campos de fuerza (100 ps) Figura 5.23: Ampliación primeros 100 ps del RMSD. No obstante, con el modelo propuesto en este trabajo se alcanza la convergencia en un tiempo de simulación al menos de un orden de magnitud menor que el tiempo de simulación necesario en una DM con campos de fuerza. La estructura obtenida se muestra en la figura 5.24. Figura 5.24: Estructuras del péptido trp-cage en la simulación de plegamiento con campos de fuerza en GROMACS. El código de colores es el mismo que en la figura 5.8 En la figura 5.24 se observa que la estructura obtenida con una simulación de 20 ns en GROMACS no presenta elementos de estructura secundaria o terciaria, aśı mismo tampoco se formaron contactos hidrofóbicos como los que se obtuvieron con el uso de potenciales externos en este trabajo. Aśı mismo, se aprecia que el residuo de triptofano queda expuesto al disolvente y no en el centro del núcleo hidrofóbico como en la estructura experimental. 31 Conclusiones Conclusiones El uso de potenciales externos en las simulaciones de dinámica molecular ayudó a alcanzar una convergencia energética y estructural más rápido que con técnicas de DM y campos de fuerza convencionales. La aplicación de un potencial esférico en las simulaciones con disolvente favoreció la formación de contactos entre los residuos hidrofóbicos del péptido trp-cage, princi- palmente cuando el potencial se aplicó sólo a los átomos de los residuos hidrofóbicos. La aproximación teórica de Langevin para introducir efectos de temperatura y vis- cosidad en las fronteras del sistema, resultó efectiva ya que se alcanzó el equilibrio termodinámico en menos de 100 ps. Con lo que se evitó el uso de complejos algorit- mos de termostatos usados normalmente en DM. En las estructuras obtenidas no se observaron los elementos de estructura secundaria y terciaria esperados. Esto puede deberse a que se necesita un tiempo mayor de simulación para que las protéınas exploren una mayor cantidad de conformaciones y encontrar su estado nativo. En la simulación realizada con campos de fuerza bajo las mismas condiciones de temperatura tampoco se alcanza la estructura nativa del péptido. Las conformacio- nes exploradas con DM y campos de fuerza presentan un RMSD similar al obtenido con el método propuesto. Proyectos a futuro Implementar el modelo de potenciales externos en software de dinámica molecu- lar con campos de fuerza, como GROMACS y NAMD, para probar el modelo en simulaciones de nanosegundos (ns). Aplicar el modelo de enerǵıa libre en el método con potenciales externos, a través de la aproximación de Jarzynski [41]. Realizar simulaciones con múltiples temperaturas empleando potenciales externos para vencer barreras de potencial y permitir al péptido explorar diferentes regiones del espacio configuracional. 32 REFERENCIAS Referencias [1] Abraham, M. J.; Murtola, T.; Schulz, R.; Páll, S.; Smith, J. C.; Hess, B.; Lindah, E. SoftwareX 2015, 1-2, 19–25. [2] Götz, A. W.; Williamson, M. J.; Xu, D.; Poole, D.; Le Grand, S.; Walker, R. C. Journal of chemical theory and computation 2012, 8, 1542–1555. [3] Bock, L. V.; Blau, C.; Schröder, G. F.; Davydov, I. I.; Fischer, N.; Stark, H.; Rod- nina, M. V.; Vaiana, A. C.; Grubmüller, H. Nature Structural & Molecular Biology 2013, 20, 1390–1396. [4] Freddolino, P. L.; Arkhipov, A. S.; Larson, S. B.; McPherson, A.; Schulten, K. Struc- ture 2006, 14, 437–449. [5] Miao, Y.; Feixas, F.; Eun, C.; McCammon, J. A. Journal of Computational Chemistry 2015, 36, 1536–1549. [6] Micheletti, C.; Laio, A.; Parrinello, M. Physical Review Letters 2004, 92, 170601(4). [7] Karplus, M.; McCammon, J. A. Nature Structural Biology 2002, 9, 646–652. [8] Santamaria, R.; Jones, K.; Arroyo, M.; González-Garćıa, T. Computational and Theo- retical Chemistry 2015, 1068, 72–80. [9] Neidigh, J. W.; Fesinmeyer, R. M.; Andersen, N. H. Nature Structural Biology 2002, 9, 425–430. [10] Clementi, M. E.; Marini, S.; Coletta, M.; Orsini, F.; Giardina, B.; Misiti, F. FEBS Letters 2005, 579, 2913–2918. [11] D’Ursi, A. M.; Armenante, M. R.; Guerrini, R.; Salvadori, S.; Sorrentino, G.; Pico- ne, D. Journal of medicinal chemistry 2004, 47, 4231–4238. [12] Perutz, M. F.; Rossmann, M. G.; Cullis, A. F.; Muirhead, H.; Will, G.; North, A. C. T. Nature 1960, 185, 416–422. [13] Kendrew, J. C.; Bodo, G.; Dintzis, H. M.; Parrish, R. G.; Wyckoff, H.; Phillips, D. C. Nature 1958, 181, 662–666. [14] Berman, H. M.; Westbrook, J.; Feng, Z.; Gilliland, G.; Bhat, T. N.; Weissig, H.; Shindyalov, I. N.; Bourne, P. E. Nucleic acids research 2000, 28, 235–242. [15] Hubble, E. Science 2005, 309, 78b–102b. [16] Dill, K. A.; Ozkan, S. B.; Shell, M. S.; Weikl, T. R. Annu.Rev.Biophys. 2008, 37, 289–316. [17] Dill, K. A.; MacCallum, J. L. Science (New York, N.Y.) 2012, 338, 1042–1046. 33 REFERENCIAS [18] Costas, M. Bolet́ın de Educación Bioqúımica 1987, 6, 91–98. [19] Levinthal, C. Mössbauer Spectroscopy in Biological Systems Proceedings 1969, 67, 22–24. [20] Dill, K. A. Biochemistry 1985, 24, 1501–1509. [21] Bryngelson, J. D.; Onuchic, J. N.; Socci, N. D.; Wolynes, P. G. Proteins: Structure, Function, and Bioinformatics 1995, 21, 167–195. [22] Sugita, Y.; Okamoto, Y. Chemical Physics Letters 1999, 314, 141–151. [23] Bradley, P. Science 2005, 309, 1868–1871. [24] Mariani, V.; Kiefer, F.; Schmidt, T.; Haas, J.; Schwede, T. Proteins: Structure, Fun- ction and Bioinformatics 2011, 79, 37–58. [25] Grubmüller, H.; Heller, H.; Windemuth, A.; Schulten, K. Molecular Simulation 1991, 6, 121–142. [26] Choe, J. I.; Kim, B. Bulletin of the Korean Chemical Society 2000, 21, 419–424. [27] Feynman, R. P.; Leighton, R. B.; Sands, M. The Feynman Lectures on Physics: The New Millennium Edition: Mainly Mechanics, Radiation, and Heat ; Basic Books: New York, 2015. [28] Santamaria, R.; de la Paz, A. A.; Roskop, L.; Adamowicz, L. Journal of Statistical Physics 2016, 164, 1000–1025. [29] Zwanzig, R. Journal of Statistical Physics 1973, 9, 215–220. [30] Jorgensen, W. L.; Chandrasekhar, J.; Madura, J. D.; Impey, R. W.; Klein, M. L. The Journal of Chemical Physics 1983, 79, 926–935. [31] Neria, E.; Fischer, S.; Karplus, M. The Journal of Chemical Physics 1996, 105, 1902–1921. [32] Jorgensen, W. L.; Maxwell, D. S.; Tirado-Rives, J. J. Am. Chem. Soc. 1996, 118, 11225–11236. [33] Swope, W. C.; Andersen, H. C.; Berens, P. H.; Wilson, K. R. The Journal of Chemical Physics 1982, 76, 637–649. [34] Paterlini, M.; Ferguson, D. M. Chemical Physics 1998, 236, 243–252. [35] van Gunsteren, W.; Berendsen, H. Molecular Physics 1982, 45, 637–647. [36] Santamaria, R. http://www.fisica.unam.mx/rso/publications2.html, 2009. [37] Becke, A. D. Physical Review A 1988, 38, 3098–3100. [38] Lee, C.; Yang, W.; Parr, R. G. Physical Review B 1988, 37, 785–789. [39] Grimme, S.; Antony, J.; Ehrlich, S.; Krieg, H. The Journal of Chemical Physics 2010, 132, 154104(19). 34 REFERENCIAS [40] Ufimtsev, I. S.; Martinez, T. J. Journal of Chemical Theory and Computation 2009, 5,2619–2628. [41] Jarzynski, C. Physical Review Letters 1997, 78, 2690–2693. 35
Compartir